Offre à durée limitée : -20% sur PixVerse V6 Max. Fin le 30 novembre. Essayer dans le Playground
Des explications claires sur les API de modèles d'IA : ce que fait chaque type de modèle, comment fonctionnent les requêtes et la facturation, et quels paramètres vous envoyez. Chaque page liste les modèles disponibles qu'elle couvre.
Une API LLM permet à votre application d’envoyer une conversation, sous forme de liste de messages et sur de nombreux modèles avec images, vidéo ou documents, à un grand modèle de langage et de recevoir le texte généré par celui-ci. Vous choisissez le modèle par requête, et l’utilisation est comptée en jetons d’entrée et de sortie.
Une API de génération d’images crée des images à partir d’une invite texte, et sur de nombreux modèles, elle modifie ou combine les images que vous fournissez. Vous envoyez l’invite avec des paramètres tels que le format d’aspect et la résolution, et l’API renvoie les images terminées sous forme d’URL ou de données base64, facturées par image.
Une API de génération vidéo crée un clip vidéo à partir d’une invite texte, et sur de nombreux modèles à partir d’images, de vidéos ou d’audio que vous fournissez. Vous soumettez un travail, vous interrogez jusqu’à ce que la vidéo soit prête, et la plupart des modèles facturent par seconde de sortie à un rythme fixé par la résolution.
La génération d’image vers vidéo anime une image fixe en un court clip vidéo. L’image devient généralement la première image, et votre invite décrit le mouvement et le mouvement de la caméra, de sorte que le sujet, le cadrement et le style de l’image se retrouvent dans la vidéo.
Une API text-to-speech (TTS) convertit le texte écrit en audio parlé. Vous envoyez le texte, une voix et des paramètres tels que la langue et la vitesse, et l’API renvoie un fichier audio ou diffuse l’audio en flux afin que la lecture puisse commencer avant que le passage complet soit prêt.
Une API speech-to-text transcrit l’audio parlé en texte écrit. Vous téléversez un enregistrement ou transmettez son URL, ou diffusez de l’audio en direct, et l’API renvoie la transcription, avec des horodatages, des étiquettes de haut-parleurs ou des fichiers sous-titres sur les modèles qui les supportent.
Une API vocale en temps réel diffuse une session audio bidirectionnelle en direct via une connexion WebSocket: votre application transmet l’audio du microphone vers le modèle et joue sa réponse vocale à son arrivée. L’utilisateur peut interrompre la réponse à tout moment, et le même point de terminaison sert également la transcription en direct.
Une API de génération musicale IA compose l’audio à partir d’une description textuelle du style, de l’ambiance, des instruments et du tempo, et sur certains modèles, à partir de paroles, d’un enregistrement de référence ou d’une vidéo à bander. Vous soumettez un travail, faites un sondage jusqu’à sa fin et téléchargez la piste générée.
Une API de génération 3D crée un modèle 3D, un maillage texturé, à partir d’une ou plusieurs images d’un objet, et sur certains modèles à partir d’une invite textuelle. Vous soumettez une tâche, interrogez jusqu’à sa termination, puis téléchargez l’asset dans un format tel que GLB, OBJ, FBX, USDZ ou STL.
Une API d’embeddings transforme le texte, et sur certains modèles, des images ou des vidéos, en vecteurs de nombres qui placent des significations similaires très proches les uns des autres. Avec un reclasseur pour reclasser les meilleures correspondances, elle constitue l’étape de recherche sémantique et la génération augmentée par récupération.
Une API de recherche IA lance une recherche web en direct pour une application et retourne des résultats façonnés pour les modèles de langage: pages classées avec leur texte, une réponse courte avec des sources citées, ou un rapport de recherche en plusieurs étapes. Elle fournit à une application d’IA des informations plus récentes que les données d’entraînement d’un modèle.
Les jetons sont les unités qu’un modèle linguistique lit et écrit: mots, fragments de mots, chiffres ou ponctuation. Les modèles textuels facturent les jetons d’entrée et de sortie à des débits séparés par 1M de jetons, tandis que de nombreux modèles média et de recherche facturent par image, seconde, caractère, minute ou requête.
Une fenêtre de contexte est le nombre maximal de jetons qu’un modèle de langage peut gérer dans une requête, en comptant tout ce qu’il lit (instructions, historique des conversations, documents et définitions d’outils) plus les jetons qu’il écrit. Une requête qui ne convient pas doit être raccourcie ou séparée.
Un modèle de raisonnement traite un problème dans des jetons de raisonnement intermédiaires avant d’écrire sa réponse finale. Cela améliore les résultats sur des tâches à étapes multiples telles que les mathématiques, le code et la planification, utilise plus de jetons de sortie et de temps, et des paramètres comme l’effort de raisonnement le contrôlent.
La température et top_p contrôlent la manière dont un modèle choisit chaque jeon suivant: des valeurs plus basses rendent la sortie ciblée et répétable, des valeurs plus élevées la rendent plus variée. Une graine corrige les choix aléatoires, donc la même requête avec la même graine donne le même résultat ou un résultat très similaire.
La sortie structurée fait qu’un modèle de langage retourne du JSON que votre code peut analyser au lieu du texte libre. Le mode JSON renvoie un objet JSON syntaxiquement valide, et le schéma JSON va plus loin en faisant correspondre la réponse à un schéma que vous définissez, avec ses champs et types requis.
L’appel de fonction, également appelé appel d’outil, permet à un modèle de langage demander à votre application d’exécuter une fonction. Vous décrivez chaque fonction avec un schéma JSON, le modèle répond par un nom de fonction et des arguments, votre code l’exécute, et le modèle utilise le résultat pour continuer ou répondre.
La mise en cache des invites réutilise le traitement antérieur qu’un modèle a fait de la partie d’ouverture d’une invite. Lorsqu’une requête commence avec les mêmes jetons qu’une requête récente, ces jetons mis en cache facturent à un taux de lecture de cache plus faible sur les modèles qui en listent un, et le reste facture au débit d’entrée normal.
L’inférence par lots exécute de nombreuses requêtes de modèle comme un seul travail asynchrone au lieu d’un appel à la fois. Vous téléversez un fichier de requêtes, elles s’exécutent dans une fenêtre d’achèvement, et vous téléchargez un fichier de résultats, ce qui convient aux tâches volumineuses qui n’ont pas besoin de réponse immédiate.
Consultez nos tarifs ou contactez-nous si vous souhaitez que votre propre modèle soit déployé sur notre stack.